Muchy owocowe i elektrony: Badacze wykorzystują fizykę do przewidywania zachowań tłumu

Anonim

Elektrony krążące wokół siebie i ludzie stłoczeni podczas politycznego rajdu nie wydają się mieć wiele wspólnego, ale naukowcy z Cornell łączą kropki.

Opracowali bardzo dokładne matematycznie podejście do przewidywania zachowania tłumów żywych stworzeń, wykorzystując metody Nobla nagrodzone oryginalnie w celu zbadania dużych zbiorów elektronów oddziałujących z interakcją mechaniczną kwantów. Implikacje dla badania ludzkich zachowań są głębokie, zdaniem naukowców.

Na przykład, korzystając z publicznie dostępnych danych wideo tłumów w miejscach publicznych, ich podejście może przewidzieć, jak ludzie będą się rozprowadzać w warunkach skrajnego tłoku. Mierząc fluktuację gęstości za pomocą aplikacji na smartfona, podejście to może opisywać obecny stan zachowania lub nastrój tłumu, zapewniając system wczesnego ostrzegania dla tłumów przechodzących w kierunku niebezpiecznych zachowań.

Tomas Arias, profesor fizyki, jest głównym autorem "Density-Functional Fluctuation Theory of Crowds", opublikowanej 30 sierpnia w Nature Communications. Współautorami są Itai Cohen, profesor fizyki; i Yunus A. Kinkhabwala, doktorant w dziedzinie inżynierii.

Interakcje między osobami w tłumie mogą być złożone i trudne do kwantyfikacji matematycznej; duża liczba aktorów w tłumie powoduje złożony problem matematyczny. Naukowcy starali się przewidzieć zachowanie tłumów za pomocą prostych pomiarów gęstości, aby wywnioskować podstawowe interakcje i wykorzystać te interakcje do przewidywania nowych zachowań.

Aby to osiągnąć, zastosowali koncepcje i podejścia matematyczne z teorii gęstości i funkcjonalności (DFT), gałęzi fizyki wielu ciał opracowanej dla systemów mechaniki kwantowej, do zachowania tłumów.

"Jest to jeden z tych zbyt rzadkich przypadków - szczególnie tam, gdzie zaangażowane są żywe systemy - gdzie teoria poprzedziła eksperymenty, a eksperymenty, w precyzyjnych szczegółach matematycznych, całkowicie potwierdziły teorię" - powiedział Arias.

Aby przetestować swoją teorię, naukowcy stworzyli modelowy system wykorzystujący chodzące muszki owocowe (Drosophila melanogaster). Po raz pierwszy zademonstrowali matematyczny sposób wyodrębniania funkcji, które określają ile much tak jak różne lokalizacje w ich otoczeniu - funkcja "udręki" - i na ile wspólnie myślą o tłoku - funkcja "frustracji" oparta na szczegółach dotyczących gęstości zaludnienia zmień się, gdy muchy będą bardziej wokół siebie.

Następnie wykazali, że przez zmieszanie i dopasowanie tych informacji z obserwacjami pojedynczej muchy w zupełnie nowym środowisku, mogli dokładnie przewidzieć, przed każdą obserwacją, jak wielki tłum much rozdzieliłby się w tym nowym środowisku. Śledzili także zmiany w ogólnym zachowaniu się tłumu - tj. Jego "nastrój" - śledząc ewolucję funkcji "frustracji" preferencji społecznej.

Podczas gdy muszki owocowe były "wygodnym i etycznym pierwszym systemem testowym", powiedział Arias, zachowanie tłumu na politycznym wiecu zapewniłoby ludzki przykład teorii DFT. Osoby postarają się znaleźć najlepszą lokalizację - zazwyczaj najbliżej sceny - unikając zatłoczonych obszarów. Kiedy nowe i lepsze lokalizacje staną się dostępne, jednostki prawdopodobnie będą się do nich zbliżać.

Aby rozwinąć matematyczną teorię przewidywania, naukowcy powiązali liczbę - funkcję udręki - z wewnętrzną pożądalnością każdej lokalizacji; najniższa wartość byłaby w idealnym miejscu, najbliżej sceny. Funkcja frustracji odpowiada za niepożądane efekty stłoczenia, a zasada behawioralna uwzględnia skłonność osób do szukania lepszych lokalizacji.

"Niezwykłym odkryciem matematycznym", powiedział Arias, "jest to, że precyzyjne wartości dla zmartwienia i frustracji można uzyskać natychmiast i automatycznie, po prostu obserwując zmiany w tłoku, gdy tłum toczy się wokół, bez potrzeby jakiejkolwiek ankiety, aby zapytać ludzi w tłum, jak się czują w różnych miejscach lub razem tłoczą. "

Zmieniając warunki społeczne w eksperymentach na muchach - takich jak zmiana proporcji mężczyzn i kobiet lub wywoływanie głodu i pragnienia - oraz monitorowanie wartości frustracji tłumu, naukowcy pokazali, że potrafią wykryć zmiany w "nastroju" tłumu. Dlatego podejście DFT nie tylko przewiduje zachowania tłumu w nowych okolicznościach, ale także może być użyte do szybkiego i automatycznego wykrywania zmian w zachowaniach społecznych.

Inna aplikacja, korzystająca z telefonu komórkowego i danych spisowych, mogłaby analizować czynniki polityczne i ekonomiczne oraz presję populacji, aby opisać i przewidzieć przepływy ludności na dużą skalę, takie jak masowe migracje. "Uzyskane w ten sposób prognozy migracji podczas ostrych zdarzeń umożliwiłyby lepsze planowanie przez wszystkie szczeble administracji rządowej, od lokalnych gmin po organizacje międzynarodowe, co może uratować życie milionów ludzi" - zauważają naukowcy.

Inni współpracownicy to J. Felipe Méndez-Valderrama, profesor fizyki, Uniwersytet w Los Andes, Bogota, Kolumbia; i Jeffrey Silver, starszy analityk w Metron Inc.

menu
menu